基于过程神经网络的航空发动机排气温度预测

从泛函分析的角度出发,将航空发动机排气温度预测问题转换为一种泛函逼近问题.利用过程神经网络对任意连续泛函的逼近能力,提出了一种基于过程神经网络的航空发动机排气温度预测方法.为克服过程神经网络学习速度慢的问题,为其开发了一种基于正交基函数展开的Levenberg-Marquardt学习算法.将所提出的预测方法应用到某型航空发动机的排气温度预测中,取得了满意的结果.      

基于解体事件的空间碎片轨道演化算法研究

针对航天器解体事件所生成的空间碎片的演化过程,进行了数学分析,确定了新生成的空间碎片的速度增量,在该增量作用下碎片轨道会发生变更,本文根据该增量得出了空间碎片在轨道变更后的轨道根数,分析了在大气阻力摄动作用下,空间碎片的数目和轨道分布的演化情况,给出了相关结果,结果表明此算法可行.     

基于非线性未知输入观测器的航天器故障诊断

针对一类满足Lipschitz条件的非线性系统,设计了一组非线性未知输入观测器,并依据故障解耦的思想,产生结构化的残差集,实现非线性系统执行器的故障隔离。研究考虑了未知扰动对非线性系统的影响,并利用Lyapunov理论证明了所设计观测器的稳定性。最后,以三轴稳定卫星的姿态控制系统为对象,仿真验证了所提方法对各种典型执行器故障诊断的有效性。     

基于数据关联性分析的飞轮异常检测

针对航天器早期故障在闭环系统下难以被检测、数学模型难以精确建立的问题,提出了一种基于数据关联性分析的归纳式系统异常监测(IMS)方法。该方法采用无监督学习的聚类算法,利用具有关联性的参数构建数据向量,通过聚类分析自动建立健康数据向量的族类阈值区间。关联关系的破坏将引起部分参数超出族类阈值区间,使系统的异常程度存在模糊性与随机性。引入云模型评价指标,将闭环系统异常程度的不确定性通过熵与超熵定量表示,从而更加准确地判断闭环系统的异常程度。仿真结果表明:该方法能够建立卫星飞轮闭环系统的族类知识库,并可以根据云模型提供的定性知识有效判断系统的异常程度。     

基于分层有向图的航天器故障诊断

针对航天器在轨故障诊断系统在实时性、准确性和完备性上的要求,提出了基于分层有向图的新的定性诊断方法。采用有向图分层策略,减小故障源搜索空间的大小;利用故障传播路径上的测试节点间的定性关系,回溯搜索不相容支路找出故障源候选集合,并且通过部件故障概率和故障传播的权重对候选故障源进行故障可能性的排序。应用提出的方法,建立了某卫星一次电源系统的定性诊断模型,并进行了故障诊断的仿真测试。结果表明该诊断方法是高效的,诊断结果准确而且完备。该方法适用于航天器在轨故障诊断。     

航天器推进系统故障的面向时态检测和诊断

根据航天器推进系统的时变性特点,在规则的专家系统方法基础上,提出了推进系统面向时态的故障检测和诊断方法,在对知识表示方法和推理诊断策略进行改进后,在Windows NT环境与实现了一个基于知识的故障诊断原型系统,介绍了原型系统的结构、功能及网络实时数据通信方法,经过仿真数据测试验证了方法的有效性。     

航天器观测重调度问题中的模糊性不确定因素及其处理

为了处理航天器观测问题中具有模糊性特点的不确定因素,解决动态环境下的航天器观测重调度问题,提出了一种基于模糊神经网络的处理方法.该方法通过参数模糊化和径向基神经网络来评估模糊性不确定因素对系统造成的影响程度,同时将重调度响应划分为立即型、延迟型和忽略型三种类型,以处理不同影响程度的不确定事件.最后通过算例说明了所提出的模糊神经网络算法的有效性.     

面向航天器观测规划的改进混合重调度策略研究

为解决不确定性条件下航天器观测规划的重调度问题,对重调度请求的响应策略进行了研究分析.首先分析了现有重调度策略的特点,进而针对其存在的弊端,在引入BP神经网络的基础上,设计了基于最小间隔的改进型混合重调度策略.算例的计算表明,应用改进后的混合重调度策略,不仅能适应环境的动态变化,获得满意的调度结果,而且能有效地降低重调度的次数,验证了该方法的有效性.     

航天故障诊断系统中的汉字处理技术

航天故障诊断系统中内存紧张情况下的汉字处理技术，包括读取汉字字形点阵信息，建立小字库和点阵汉字显示技术、以及显示原理作了介绍并给出了完整的模块程序代码。     

基于改进遗传算法的一类多资源测控调度问题研究

研究一类测控弧段具有优先级约束的多资源、大规模测控调度问题。首先对问题中的约束条件进行分析和处理,并建立问题的数学模型。进而针对问题特点,以遗传算法为基础,通过设计选择适当的交叉、和变异算子,设计了一种改进的遗传算法。最后通过算例计算表明,应用该方法求解此类测控资源调度问题具有较为理想的性能,是合理、有效的。